tansuo17的博客

转载：http://www.cnblogs.com/fang-io/p/5889017.html说明：本文档参考自Caffe官网的安装说明，http://caffe.berkeleyvision.org/installation.html如果对安装过程中，需要用到的依赖不明，请自行百度其作用。Ubuntu系统的安装请自行百度。 1.安装环境硬件：Intel E3

转载：https://mp.weixin.qq.com/s/J6eo4MRQY7jLo7P-b3nvJg李林 编译自 pyimagesearch作者 Adrian Rosebrock量子位 报道 | 公众号 QbitAIOpenCV是一个2000年发布的开源计算机视觉库，有进行物体识别、图像分割、人脸识别、动作识别等多种功能，可以在Linux、Windows

转载：原地址：http://blog.youkuaiyun.com/TS1130/article/details/53244576无论即将到来的是大数据时代还是人工智能时代，亦或是传统行业使用人工智能在云上处理大数据的时代，作为一个有理想有追求的程序员，不懂深度学习（Deep Learning）这个超热的技术，会不会感觉马上就out了？现在救命稻草来了，《零基础入门深度学习》系列文章旨在讲帮助爱编

转载：http://www.cnblogs.com/louyihang-loves-baiyan/目前呢，caffe，theano,torch是当下比较流行的Deep Learning的深度学习框架，楼主最近也在做一些与此相关的事情。在这里，我主要介绍一下如何在Caffe上微调网络，适应我们自己特定的新任务。一般来说我们自己需要做的方向，比如在一些特定的领域的识别分类中，我们很难拿到大

框架比较（转）：1 TensorFlow　　对于那些听说过深度学习但还没有太过专门深入的人来说，TensorFlow 是他们最喜欢的深度学习框架，但在这里我要澄清一些事实。 在 TensorFlow 的官网上，它被定义为「一个用于机器智能的开源软件库」，但我觉得应该这么定义：TensorFlow 是一个使用数据流图(data flow graphs)进行数值计算的开源软件库。在这里

近期对深度学习中的Attention模型进行了深入研究，该模型在图像识别、语音识别和自然语言处理三大深度学习的热门领域均有广泛的使用，是2014和2015年深度学习领域的重要进展。现对其原理、主要应用及研究进展进行详细介绍。1. 基本原理  Attention模型最初应用于图像识别，模仿人看图像时，目光的焦点在不同的物体上移动。当神经网络对图像或语言进行识别时，每次集中于部分特征上